C++算法前缀和的应用:得分最高的最小轮调的原理、源码及测试用例

简介: C++算法前缀和的应用:得分最高的最小轮调的原理、源码及测试用例

本文涉及的基础知识点

C++算法:前缀和、前缀乘积、前缀异或的原理、源码及测试用例 包括课程视频

题目

给你一个数组 nums,我们可以将它按一个非负整数 k 进行轮调,这样可以使数组变为 [nums[k], nums[k + 1], … nums[nums.length - 1], nums[0], nums[1], …, nums[k-1]] 的形式。此后,任何值小于或等于其索引的项都可以记作一分。

例如,数组为 nums = [2,4,1,3,0],我们按 k = 2 进行轮调后,它将变成 [1,3,0,2,4]。这将记为 3 分,因为 1 > 0 [不计分]、3 > 1 [不计分]、0 <= 2 [计 1 分]、2 <= 3 [计 1 分],4 <= 4 [计 1 分]。

在所有可能的轮调中,返回我们所能得到的最高分数对应的轮调下标 k 。如果有多个答案,返回满足条件的最小的下标 k 。

示例 1:

输入:nums = [2,3,1,4,0]

输出:3

解释:

下面列出了每个 k 的得分:

k = 0, nums = [2,3,1,4,0], score 2

k = 1, nums = [3,1,4,0,2], score 3

k = 2, nums = [1,4,0,2,3], score 3

k = 3, nums = [4,0,2,3,1], score 4

k = 4, nums = [0,2,3,1,4], score 3

所以我们应当选择 k = 3,得分最高。

示例 2:

输入:nums = [1,3,0,2,4]

输出:0

解释:

nums 无论怎么变化总是有 3 分。

所以我们将选择最小的 k,即 0。

提示:

1 <= nums.length <= 10^5

0 <= nums[i] < nums.length

分析

我可以将结果分为两部分,左边(i < k )得分,右边(i>k)得分。iSub是值减去当前索引,iSub小于等于0,则加分。我们以{1,5,2,4,3}为例。

对于左边

iSub=num[i]-i-(m_c-k)

k取值 左边的值减当前索引 旧数据变化分数变化 新增加的数据分数变化 总分数
0 {} +0 +0 0
1 {- 3} +0 +1 1
2 {-2,1} +0 +0 1
3 {-1,2,- 2} +0 +1 2
4 {0,3,-1,0} +0 +1 3

如果遍历所有旧值,那总时间复杂度会达到O(n*n),超时。实际上我们值需要统计新iSub是1的值,也就是num[i]-i-(m_c-k) 等于1,也就是初始iSum 等于= 1 + m_c-k,这样总时间复杂度是O(1)。

对于右边

iSum = num[i] - i + k

k取值 值减当前索引 旧数据变化分数变化 新增加的数据分数变化 总分数
4 {3} +0 +0 0
3 {4,2} +0 +0 0
2 {2,3,1} +0 +0 0
1 {5,1,2,0} +1 +0 1
0 {1,4,0,1,-1} +1 +0 2
k减少1,iSub也减少1

思路

mLeftSubToNum和mRightSubToNum记录初始nums[i]-i 。i>=k,记录在mRightSubToNum;否则记录子mLeftSubToNum。

核心代码

class Solution {
public:
int bestRotation(vector& nums) {
m_c = nums.size();
//mLeftSubToNum和mRightSubToNum记录初始nums[i]-i 。i>=k,记录在mRightSubToNum;否则记录子mLeftSubToNum
unordered_map<int, int> mLeftSubToNum, mRightSubToNum;
m_vRet.resize(m_c);
vector<int> vLeft(m_c);//vLeft[i]记录初始i < k的分数
  {
    int iPre = 0;
    for (int k = 1; k < m_c; k++)
    {
      //将k-1从右边移动到左边
      const int iSub = nums[k - 1] - (k - 1);
      if (iSub - (m_c - k) <= 0)
      {//新增加的值得一分
        iPre++;
      }
      iPre -= mLeftSubToNum[1 + m_c - k];
      vLeft[k] = iPre;
      mLeftSubToNum[iSub]++;
    }
  }
  vector<int> vRight(m_c);
  {
    int iPre = 0;
    for (int k = m_c-1; k >= 0 ; k-- )
    {
      const int iSub = nums[k] - k;
      if (iSub + k <= 0)
      {
        iPre++;
      }
      if (mRightSubToNum.count(-k))
      {
        iPre += mRightSubToNum[-k];
      }
      vRight[k] = iPre;
      mRightSubToNum[iSub]++;
    }
  }
  //m_vRet[k]记录的分值
  for (int i = 0 ; i < m_c ;i++ )
  {     
    m_vRet[i] = vLeft[i] + vRight[i];
  }
  //本题一定有答案,所以不用判断非法值
  return std::max_element(m_vRet.begin(), m_vRet.end()) - m_vRet.begin();
}
vector<int> m_vRet;
int m_c;

};

测试用例

template
void Assert(const vector& v1, const vector& v2)
{
if (v1.size() != v2.size())
{
assert(false);
return;
}
for (int i = 0; i < v1.size(); i++)
{
assert(v1[i] == v2[i]);
}
}
template
void Assert(const T& t1, const T& t2)
{
assert(t1 == t2);
}
int main()
{
vector nums = { 1,5,2,4,3 };
Solution sln;
auto res = sln.bestRotation(nums);
Assert(res, 4);
Assert({ 2,2,1,2,3 }, sln.m_vRet);
nums = { 2,3,1,4,0 };
res = sln.bestRotation(nums);
Assert(res, 3);
Assert({ 2,3,3,4,3 },sln.m_vRet );
nums = { 1,3,0,2,4 };
res = sln.bestRotation(nums);
Assert(res, 0);
Assert({ 3,3,3,3,3 }, sln.m_vRet);
//CConsole::Out(res);

}

2023年4月

旧版仅供参考

class Solution {
public:
int bestRotation(vector& nums) {
std::unordered_map<int, int> mLeftSumNums;
int iScore = 0;
for (int i = 0; i < nums.size(); i++)
{
const int iSub = nums[i] - i;
mLeftSumNums[iSub]++;
if (iSub <= 0)
{
iScore++;
}
}
std::unordered_map<int, int> mRightSumNums;
  int iMaxScore = iScore;
  int iMaxIndex = 0;
  for (int i = 1; i < nums.size(); i++)
  {     
    if (nums[i - 1] <= 0 )
    {
      iScore--;
    }
    const int iSub = nums[i - 1] - (i - 1);
    mLeftSumNums[iSub]--;
    iScore -= mLeftSumNums[-(i-1)];
    //右边,部分不再加分
    iScore -= mRightSumNums[-(i-1)];
    const int iRightSub = nums[i-1] - (nums.size() - 1) - i;
    mRightSumNums[iRightSub]++;
    if ( (nums[i-1] - ((int)nums.size() - 1)) <= 0)
    {
      iScore++;
    }
    if (iScore > iMaxScore)
    {
      iMaxScore = iScore;
      iMaxIndex = i;
    }
  }
  return iMaxIndex;
}

};

扩展阅读

视频课程

有效学习:明确的目标 及时的反馈 拉伸区(难度合适),可以先学简单的课程,请移步CSDN学院,听白银讲师(也就是鄙人)的讲解。

https://edu.csdn.net/course/detail/38771

如何你想快

速形成战斗了,为老板分忧,请学习C#入职培训、C++入职培训等课程

https://edu.csdn.net/lecturer/6176

相关下载

想高屋建瓴的学习算法,请下载《闻缺陷则喜算法册》doc版

https://download.csdn.net/download/he_zhidan/88348653

鄙人想对大家说的话
闻缺陷则喜是一个美好的愿望,早发现问题,早修改问题,给老板节约钱。
墨家名称的来源:有所得以墨记之。
如果程序是一条龙,那算法就是他的是睛

测试环境

操作系统:win7 开发环境: VS2019 C++17

或者 操作系统:win10 开发环境: VS2022 C++17


相关文章
|
3月前
|
存储 监控 JavaScript
基于布隆过滤器的 Node.js 算法在局域网电脑桌面监控设备快速校验中的应用研究
本文探讨了布隆过滤器在局域网电脑桌面监控中的应用,分析其高效空间利用率、快速查询性能及动态扩容优势,并设计了基于MAC地址的校验模型,提供Node.js实现代码,适用于设备准入控制与重复数据过滤场景。
185 0
|
2月前
|
运维 监控 JavaScript
基于 Node.js 图结构的局域网设备拓扑分析算法在局域网内监控软件中的应用研究
本文探讨图结构在局域网监控系统中的应用,通过Node.js实现设备拓扑建模、路径分析与故障定位,提升网络可视化、可追溯性与运维效率,结合模拟实验验证其高效性与准确性。
228 3
|
2月前
|
机器学习/深度学习 资源调度 算法
遗传算法模型深度解析与实战应用
摘要 遗传算法(GA)作为一种受生物进化启发的优化算法,在复杂问题求解中展现出独特优势。本文系统介绍了GA的核心理论、实现细节和应用经验。算法通过模拟自然选择机制,利用选择、交叉、变异三大操作在解空间中进行全局搜索。与梯度下降等传统方法相比,GA不依赖目标函数的连续性或可微性,特别适合处理离散优化、多目标优化等复杂问题。文中详细阐述了染色体编码、适应度函数设计、遗传操作实现等关键技术,并提供了Python代码实现示例。实践表明,GA的成功应用关键在于平衡探索与开发,通过精心调参维持种群多样性同时确保收敛效率
|
2月前
|
机器学习/深度学习 边缘计算 人工智能
粒子群算法模型深度解析与实战应用
蒋星熠Jaxonic是一位深耕智能优化算法领域多年的技术探索者,专注于粒子群优化(PSO)算法的研究与应用。他深入剖析了PSO的数学模型、核心公式及实现方法,并通过大量实践验证了其在神经网络优化、工程设计等复杂问题上的卓越性能。本文全面展示了PSO的理论基础、改进策略与前沿发展方向,为读者提供了一份详尽的技术指南。
粒子群算法模型深度解析与实战应用
|
2月前
|
机器学习/深度学习 算法 安全
小场景大市场:猫狗识别算法在宠物智能设备中的应用
将猫狗识别算法应用于宠物智能设备,是AIoT领域的重要垂直场景。本文从核心技术、应用场景、挑战与趋势四个方面,全面解析这一融合算法、硬件与用户体验的系统工程。
|
4月前
|
机器学习/深度学习 人工智能 自然语言处理
深度学习模型、算法与应用的全方位解析
深度学习,作为人工智能(AI)的一个重要分支,已经在多个领域产生了革命性的影响。从图像识别到自然语言处理,从语音识别到自动驾驶,深度学习无处不在。本篇博客将深入探讨深度学习的模型、算法及其在各个领域的应用。
890 3
|
4月前
|
机器学习/深度学习 人工智能 算法
AI-Compass 强化学习模块:理论到实战完整RL技术生态,涵盖10+主流框架、多智能体算法、游戏AI与金融量化应用
AI-Compass 强化学习模块:理论到实战完整RL技术生态,涵盖10+主流框架、多智能体算法、游戏AI与金融量化应用
|
4月前
|
存储 监控 安全
企业上网监控系统中红黑树数据结构的 Python 算法实现与应用研究
企业上网监控系统需高效处理海量数据,传统数据结构存在性能瓶颈。红黑树通过自平衡机制,确保查找、插入、删除操作的时间复杂度稳定在 O(log n),适用于网络记录存储、设备信息维护及安全事件排序等场景。本文分析红黑树的理论基础、应用场景及 Python 实现,并探讨其在企业监控系统中的实践价值,提升系统性能与稳定性。
152 1
|
3月前
|
算法 数据可视化
matlab版本粒子群算法(PSO)在路径规划中的应用
matlab版本粒子群算法(PSO)在路径规划中的应用
|
4月前
|
存储 监控 算法
公司员工泄密防护体系中跳表数据结构及其 Go 语言算法的应用研究
在数字化办公中,企业面临员工泄密风险。本文探讨使用跳表(Skip List)数据结构优化泄密防护系统,提升敏感数据监测效率。跳表以其高效的动态数据处理能力,为企业信息安全管理提供了可靠技术支持。
120 0

热门文章

最新文章